Представляем Axonum: Мозг Ethereum

Axonum закрепляет искусственный интеллект в блокчейне для создания децентрализованного суперкомпьютера, работающего на основе глобального коллективного интеллекта.

Эра искусственного интеллекта EVM

Мы создаем Axonum, оптимистичный роллап с искусственным интеллектом, с первым в мире искусственным интеллектом EVM.

Мы стремимся демократизировать доступ к децентрализованным приложениям на базе ИИ, делая выводы моделей ИИ доступными и удобными для пользователя.

Axonum - оптимистичный роллап с утвержденным искусственным интеллектом, основанным на opML и AI EVM. Он позволяет пользователям без препятствий использовать модели искусственного интеллекта непосредственно в умных контрактах, не затрагивая сложности базовых технологий.

Обзор

ИИ EVM: Унесенный ИИ

Для активации нативного вывода ML в смарт-контракте нам нужно изменить уровень выполнения цепи уровня 2. Конкретно, мы добавляем предварительный скомпилированный контракт вывода в EVM для создания AI EVM.

ИИ EVM будет проводить вывод ML в родном исполнении, а затем возвращать детерминированные результаты исполнения. Когда пользователь хочет использовать ИИ-модель для обработки данных, все, что ему нужно сделать, это вызвать предварительно скомпилированный контракт вывода с адресом модели и входными данными модели, а затем пользователь может получить выход модели и использовать его в родном режиме в смарт-контракте.

import "./AILib.sol";contract AIContract {...function inference(bytes32 model_address, bytes memory input_data, uint256 output_size) public {    bytes memory output = AILib.inference(model_address, input_data, output_size);    emit Inference(model_address, input_data, output_size, output);}}

Модели хранятся в слое доступных данных модели (DA). Все модели могут быть извлечены из DA с использованием адреса модели. Мы предполагаем доступность данных всех моделей.

Основным принципом проектирования предварительно скомпилированного контракта является следование принципам проектирования opML, то есть мы разделяем выполнение и доказательство. Мы предоставляем два вида реализации предварительно скомпилированного контракта. Один скомпилирован для выполнения нативно, что оптимизировано для высокой скорости. Другой скомпилирован для виртуальной машины доказательства мошенничества, которая помогает доказать правильность результатов opML.

Для выполнения выполнения мы повторно используем двигатель ML в opML. Сначала мы получим модель, используя адрес модели из хранилища моделей, а затем загрузим модель в двигатель ML. Двигатель ML возьмет ввод пользователя в предварительно скомпилированный контракт в качестве входных данных модели, а затем выполнит задачу вывода ML. Двигатель ML гарантирует согласованность и детерминированность результатов вывода ML с использованием квантования и мягкого плавающего запятой.

Помимо текущего дизайна ИИ EVM, альтернативным подходом для внедрения ИИ в EVM является добавление большего количества машинного обучения-специфических опкодов в EVM с соответствующими изменениями в ресурсной и ценовой модели виртуальной машины, а также в реализации.

Оптимистичный Rollup

opML (Оптимистичное машинное обучение) и оптимистичная свертка (opRollup) основаны на схожей системе защиты от мошенничества, что делает возможным интегрировать opML в цепочку уровня 2 (L2) наряду с системой opRollup. Эта интеграция позволяет безупречно использовать машинное обучение в умных контрактах на цепочке L2.

Как и существующие системы rollup, Axonum отвечает за «сворачивание» транзакций, пакуя их перед их публикацией на цепочку L1, обычно через сеть последователей. Этот механизм может включать тысячи транзакций в одном rollup, увеличивая пропускную способность всей системы L1 и L2.

Axonum, как одна из оптимистичных роллапов, является интерактивным методом масштабирования для L1 блокчейнов. Мы оптимистично предполагаем, что каждая предложенная транзакция по умолчанию является действительной. В отличие от традиционной системы оптимистичных роллапов L2, транзакция в Axonum может включать выводы модели искусственного интеллекта, что может сделать смарт-контракты на Axonum «умнее» с помощью искусственного интеллекта.

В случае смягчения потенциально недействительных транзакций, таких как оптимистические роллапы, Axonum вводит период вызова, в течение которого участники могут оспаривать подозрительный роллап. Введена схема доказательства мошенничества, позволяющая представлять несколько доказательств мошенничества. Эти доказательства могут сделать роллап действительным или недействительным. В течение периода вызова изменения состояния могут быть оспариваны, разрешены или включены, если вызов не представлен (и требуемые доказательства предоставлены).

Рабочий процесс

workflow2443×1437 183 KB

Вот основной рабочий процесс Axonum, не учитывая механизмы, такие как предварительное подтверждение или принудительный выход:

1. Основной рабочий процесс начинается с отправки пользователями транзакций L2 (мы разрешаем нативный вывод искусственного интеллекта в смарт-контракте) на узел пакетизатор, обычно секвенсор.
2. Как только последователь получает определенное количество транзакций, он разместит их в смарт-контракте L1 как пакет.
3. Узел валидатора будет считывать эти транзакции из умного контракта L1 и выполнять их в своей локальной копии состояния L2. Что касается выполнения выводов ИИ, валидатору необходимо загрузить модель из модели DA и провести выводы ИИ внутри движка opML.
4. После обработки локально генерируется новое состояние L2, и валидатор опубликует этот новый корень состояния в смарт-контракте L1. (Обратите внимание, что этот валидатор также может быть секвенсором.)
5. Затем все остальные валидаторы обработают те же транзакции на своих локальных копиях состояния L2.
6. Они сравнят свой конечный корневой состояние L2 с оригинальным, размещенным в смарт-контракте L1.
7. Если один из валидаторов получает другой корневой хэш, чем тот, который был опубликован на L1, он может начать вызов на L1.
8. Для преодоления вызова потребуется вызывающий и валидатор, который опубликовал исходный корневой состояние, поочередно доказывать, каким должен быть правильный корневой состояние. Этот процесс вызова также известен как доказательство мошенничества. Доказательство мошенничества Axonum включает в себя доказательство мошенничества L2-перехода состояния и доказательство мошенничества opML.
9. Какой бы пользователь проиграл в вызове, его первоначальный депозит (ставка) будет урезан. Если первоначальный корневой состояние L2, опубликованное, было недействительным, его уничтожат будущие валидаторы и оно не будет включено в цепочку L2.

Дизайн защиты от мошенничества

Основным принципом проектирования системы доказательства мошенничества Axonum является то, что мы разделяем процесс доказательства мошенничества Geth (реализация клиента Ethereum на языке Golang на уровне 2) и opML. Этот дизайн обеспечивает надежный и эффективный механизм доказательства мошенничества. Вот детальное описание системы доказательства мошенничества и нашего дизайна разделения:

1. Обзор системы защиты от мошенничества:
   • Система доказательства мошенничества - это критически важный компонент, который гарантирует безопасность и целостность транзакций на оптимистичном вторичном уровне Axonum.
   • Он включает в себя проверку транзакций и вычислений, чтобы гарантировать, что любое вредоносное поведение или неточности обнаружены и устранены.
2. Разделение процессов подтверждения мошенничества:
   • Процесс доказательства мошенничества Geth:
     • Geth, отвечающий за клиент Ethereum на уровне 2, обрабатывает начальные этапы связанных с доказательством мошенничества валидации транзакций и базового соблюдения протокола.
     • Он проверяет правильность транзакций и обеспечивает их соответствие правилам и протоколу системы уровня 2.
   • Процесс подтверждения мошенничества opML:
     • opML, система Optimistic Machine Learning, интегрированная с Axonum, отвечает за более сложные аспекты защиты от мошенничества, связанные с выполнением модели машинного обучения.
     • Он проверяет правильность вычислений машинного обучения и обеспечивает целостность процессов, связанных с искусственным интеллектом, в рамках второго уровня.
3. Преимущества дизайна на основе разделения:
   • Повышенная эффективность:
     • Распределяя ответственность за доказательство мошенничества, мы оптимизируем эффективность всей системы. Geth фокусируется на транзакционных аспектах, в то время как opML обрабатывает специфические для машинного обучения доказательства мошенничества.
   • Масштабируемость:
     • Дизайн разделения позволяет обеспечить масштабируемость, позволяя каждому компоненту масштабироваться независимо на основе его конкретных требований к обработке.
   • Гибкость:
     • Это разделение обеспечивает гибкость для обновлений и улучшений как в компонентах Geth, так и opML без ущерба для всей системы доказательства мошенничества.

Axonum: Мозг Ethereum

Axonum - первый оптимистичный роллап искусственного интеллекта, который позволяет использовать искусственный интеллект на Ethereum нативно, безопасно и проверяемо.

Axonum использует оптимистичный ML и оптимистичный rollup и внедряет инновации AI EVM, чтобы добавить интеллект в Ethereum как уровень 2.

Мы закрепляем искусственный интеллект в блокчейне, чтобы создать децентрализованный суперкомпьютер, работающий на основе глобального коллективного интеллекта.

Отказ от ответственности:

1. Эта статья перепечатана из [ ethresear], Все авторские права принадлежат оригинальному автору [Axonum]. Если есть возражения по поводу этого переиздания, пожалуйста, свяжитесь с Gate Learnкоманда и они незамедлительно справятся с этим.
2. Отказ от ответственности: Взгляды и мнения, выраженные в этой статье, являются исключительно точкой зрения автора и не являются инвестиционным советом.
3. Переводы статьи на другие языки выполняются командой Gate Learn. Если не указано иное, копирование, распространение или плагиат переведенных статей запрещены.